[发明专利]人脸姿态估计方法、装置、电子设备与可读存储介质

权利要求书

1.一种人脸姿态估计方法，其特征在于，包括：

获取人脸图像，将所述人脸图像输入人脸姿态估计模型中，得到目标角度值和目标姿态类型；所述人脸姿态估计模型，预先基于标记了人脸姿态的人脸姿态角度标签和人脸姿态类型标签的人脸图像训练集进行了联合训练；所述目标姿态类型为依据人脸姿态的角度值划分的人脸姿态类型中的一种，每个所述人脸姿态类型包含预设的角度范围；

判断所述目标角度值是否落入所述目标姿态类型对应的角度范围；

如果所述目标角度值落入所述目标姿态类型对应的角度范围，则将所述目标角度值作为人脸姿态估计结果；

否则，确定所述目标姿态类型的上边界与下边界中，与所述目标角度值的大小最接近的一个，作为人脸姿态估计结果。

2.根据权利要求1所述的方法，其特征在于，对所述人脸姿态估计模型进行训练的步骤包括：

获取人脸图像训练集，并对所述人脸图像训练集中的每张人脸图像样本的人脸姿态的角度值和人脸姿态类型做出标记，作为人脸姿态角度标签和人脸姿态类型标签；

将所述人脸图像训练集分为至少一个子集，针对每个子集，将该子集中的每张人脸图像样本输入人脸姿态估计模型，前向传播得到人脸姿态角度预测值和人脸姿态类型预测值；

将所述人脸姿态角度预测值、人脸姿态角度标签和人脸姿态类型标签输入人脸姿态回归损失函数，得到人脸姿态角度损失值；

将所述人脸姿态类型预测值和人脸姿态类型标签输入人脸姿态分类损失函数，得到人脸姿态类型损失值；

根据人脸姿态角度损失值和人脸姿态类型损失值，以及人脸姿态角度损失值和人脸姿态类型损失值分别的权值，确定所述人脸姿态估计模型的总体损失函数值；

根据所述总体损失函数值，对所述人脸姿态估计模型的参数进行反向传播调整，完成所述人脸姿态估计模型利用该子集的训练；

利用每个子集对所述人脸姿态估计模型进行迭代训练后，得到所述人脸姿态估计模型。

3.根据权利要求2所述的方法，其特征在于，所述将所述人脸姿态角度预测值、人脸姿态角度标签和人脸姿态类型标签输入人脸姿态回归损失函数，得到人脸姿态角度损失值人脸姿态角度损失值的步骤包括：

根据所述人脸姿态角度预测值和每个人脸姿态类型对应的角度范围，确定所述人脸姿态角度预测值所属的计算人脸姿态类型；所述计算人脸姿态类型，为所述人脸姿态角度预测值落入的角度范围对应的人脸姿态类型；

根据所述人脸图像样本标记的人脸姿态角度标签和所述人脸姿态角度预测值，确定人脸姿态角度值的损失函数值；

根据所述人脸图像样本标记的人脸姿态类型标签、所述计算人脸姿态类型和每种预测情况对应的损失函数权值，确定所述人脸姿态角度值的损失函数值对应的权值；所述每种预测情况为，每种人脸姿态类型标签与每种计算人脸姿态类型的组合；

根据人脸姿态角度值的损失函数值和人脸姿态角度值的损失函数值的权值，确定所述人脸姿态角度损失值。

4.根据权利要求3所述的方法，其特征在于，通过下述步骤确定所述每种预测情况对应的损失函数权值：

判断所述人脸姿态类型标签与所述计算人脸姿态类型是否相同；

如果所述人脸姿态类型标签与所述计算人脸姿态类型相同，则所述损失函数权值小于1；

如果所述人脸姿态类型标签与所述计算人脸姿态类型不同，判断所述人脸姿态类型标签与所述计算人脸姿态类型之间的差距，并根据所述差距确定所述损失函数权值。

5.根据权利要求2所述的方法，其特征在于，所述将所述人脸姿态类型预测值和人脸姿态类型标签输入人脸姿态分类损失函数，得到人脸姿态类型损失值的步骤包括：

根据所述人脸姿态类型标签和属于所述人脸姿态类型标签的概率，确定所述人脸姿态类型损失值。

6.根据权利要求1所述的方法，其特征在于，在将所述人脸图像输入人脸姿态估计模型中的步骤，还得到：

人脸特征点相对于人脸边框的目标位置坐标；所述人脸特征点为人的面部器官对应的特征点。